本书以地表覆盖的林地、农作物、草地植被为目标，使用遥感多角度观测数据进行植被叶面积指数时间序列、空间覆盖过程的动态分析与建模，完成了植被遥感定量反演模型的改进及必要的检验分析。首先，阐述遥感叶面积指数反演方法的研究进展。阶段性总结分析现有地表植被LAI遥感反演方法的特点。其次，使用时序多角度遥感观测（MOD09GA）数据，引入各向异性指数（ANIX）作为表示植被冠层二向反射分布的特征信息，发展了一种时序LAI建模和估算的参数化模型（LAI_DBM），并最终实现了建模和估算的动态更新。随后，完成基于贝叶斯最大熵方法的时空LAI缺失值填补，使用MODIS LAI产品数据（MOD15A2），及与其匹配的归一化各向异性指数（Normalized red and NIR ANIX，NDAX），发展了一种时空LAI缺失值填补的后处理方法（LAI_BME）。最后，研究组合两种LAI数据改进时序LAI估算结果，使用GLASS和LAI_DBM两种模型估算的LAI数据，从多年积累的遥感和地面测量数据中提取背景参考值，用于构建代价函数，用Levenberg-Marquardt algorithm（LMA）非线性寻优算法求解代价函数，得到组合两种LAI数据的权重系数，实现了对两种LAI数据的组合计算（LAI_COMB）。
本书可供从事植被光学遥感、植被结构参数化建模及反演研究的学生和科学工作者参考，并作为遥感相关专业技术人员的参考资料。

1 绪论
1.1 研究进展
1.2 国内外研究进展
1.2.1 遥感模型与叶面积指数反演原理
1.2.2 叶面积指数反演研究进展
1.2.3 时空地统计方法研究进展
1.2.4 组合模型方法研究进展
1.3 研究方法与实施流程
1.3.1 研究方法
1.3.2 研究实施流程
1.3.3 章节组织结构
参考文献
2 研究使用的数据集、模型和方法
2.1 数据
2.1.1 研究区及地面测量数据
2.1.2 多角度反射率观测数据
2.1.3 其他反射率观测数据
2.1.4 叶面积指数产品
2.1.5 地表覆盖分类数据
2.1.6 BRDF角度指数
2.2 研究涉及的模型和方法
2.2.1 核驱动模型
2.2.2 SAILH模型
2.2.3 时间序列滤波
2.2.4 时间序列建模
2.2.5 统计方法
2.2.6 组合预测计算
2.3 本章小结
参考文献
3 时序多角度遥感数据估算地表植被叶面积指数
3.1 模型、数据
3.2 算法基本原理与流程
3.3 植被冠层BRDF特征
3.4 植被覆盖的各向异性信息
3.5 时序LAI反演结果
3.6 反演结果验证及分析
3.6.1 各向异性指数在反演中的作用
3.6.2 反演结果验证
3.7 本章小结
参考文献
4 贝叶斯最大熵方法估算时空分布LAI
4.1 模型、数据
4.2 算法基本原理与流程
4.3 归一化各向异性指数与LAI的关联特征
4.4 归一化各向异性指数与LAI时空统计特征的表示
4.5 使用归一化各向异性指数估算LAI及验证
4.5.1 LAI估算结果
4.5.2 估算结果验证及分析
4.6 本章小结
参考文献
5 组合模型方法估算时空LAI
5.1 模型、数据
5.2 组合模型方法的基本原理和计算流程
5.2.1 组合模型方法的基本思路
5.2.2 组合模型算法流程
5.2.3 组合权重估算模型
5.3 时序LAI组合计算
5.3.1 使用背景LAI数据的组合计算
5.3.2 使用LAI时序相关性特征的组合计算
5.4 计算结果检验及分析
5.4.1 采用时序LAI背景场的组合计算结果验证
5.4.2 采用时序相关性特征的组合计算结果验证
5.5 本章小结
参考文献
6 结论与展望
6.1 主要研究结论
6.2 主要创新点
6.3 研究存在的问题及展望